[发明专利]一种基于改进MobilenetV2网络的劣质数字电视画面识别方法

说明书

本发明公开了一种基于改进MobilenetV2网络的劣质数字电视画面识别方法，包括如下步骤进行；步骤1：采集充足的数字电视画面图像，包括正常的电视画面和劣质的电视画面并进行标签化分类，缩放和裁剪这些图像，形成输入图像集；步骤2：基于MobilenetV2结构搭建改进的网络模型；步骤3：把步骤1中图像集输入到步骤2中改进MobilenetV2网络模型中对模型进行训练；步骤4：把需要检测的数字电视画面按步骤1的方法缩放和裁剪后输入到步骤3中训练过的改进MobilenetV2模型中，识别出输入图像中是否为劣质画面。本发明的方法通过改进MobilenetV2可以实现智能检测劣质数字电视画面，并且具有识别精度高，训练样本需求少，泛化能力强的优势。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于改进MobilenetV2网络的劣质数字电视画面识别方法。

背景技术

目前国内数字电视地面广播的图像监测还是依赖台站值班员通过目视识别。因此，为降低值班人员工作强度和提高监测效率，研究出一种基于卷积神经网络的数字电视的劣质画面检测方法迫在眉睫。

发明内容

本发明的目的是提供一种基于改进MobilenetV2网络的劣质数字电视画面识别方法，解决了目前的数字电视地面广播的图像监测还是依赖台站值班员通过目视识别的问题。

本发明所采用的技术方案为一种基于改进MobilenetV2网络的劣质数字电视画面识别方法，具体按照如下步骤进行。

步骤1：采集充足的数字电视画面图像，包括正常的电视画面和劣质的电视画面，并进行标签化分类，缩放和裁剪这些图像，形成输入图像集。

步骤2：基于MobilenetV2结构进行修改来搭建新的神经网络模型。

步骤3：把步骤1中图像集输入到步骤2中改进MobilenetV2网络模型中对模型进行训练。

步骤4：把需要检测的数字电视画面按步骤1的方法对其进行逐帧缩放和裁剪后输入到步骤3中训练过的改进MobilenetV2模型中，识别出输入图像中是否为劣质画面。本发明的方法通过改进MobilenetV2模型可以实现智能检测劣质数字电视画面，并且具有训练样本需求少，识别精度高，泛化能力强的优点。

本发明的特点还在于。

步骤1中，图像缩放、裁剪是指将图像按比例缩放到720×576分辨率，然后分别裁掉最左边136列像素、最右边136列像素以及最上边的128行像素，最后形成448×448分辨率的标准输入图像。

步骤2中，所述改进MobilenetV2网络包括：搭建具体的网络模型，包括输入层、普通卷基层、瓶颈深度可分离卷积组、池化层和输出层。

步骤2中，瓶颈深度可分离卷积组可以分解为扩展通道的逐点卷积层和深度可分离卷积层。扩展通道的逐点卷积根据设定的扩展系数对通道进行拓展，然后再进行深度可分离卷积。

步骤2中，深度可分离卷积是将标准卷积分解为深度卷积和线性逐点卷积，深度卷积负责逐通道的过滤空间信息，线性逐点卷积负责映射通道。

本发明与现有技术相比，其优点在于：解决了对于花斑、不规则马赛克等劣质数字电视画面的检测难题；基于轻量级MobilenetV2网络进行改进，相比于其它深度卷积神经网络模型，训练和识别速度更快，识别精度更高。经实验验证，正常画面识别准确率可达98.63％，劣质数字电视画面识别准确率可达90.12％。

附图说明

图1是本发明一种基于改进MobilenetV2网络的劣质数字电视画面识别方法中数据集获取、预处理以及模型训练、测试的示意图。

图2是本发明一种基于改进MobilenetV2网络的劣质数字电视画面识别方法中改进后的深度卷积神经网络结构示意图。